Comment gérer de manière intelligente les consommations et productions d'énergie dans les bâtiments? Les solutions à ce problème complexe pourraient venir du monde de l'apprentissage automatique ou « machine learning ». Celui-ci permet la mise au point d'algorithmes de contrôle avancés visant simultanément la réduction de la consommation d'énergie, l'amélioration du confort de l'utilisateur et l'adaptation à ses besoins.

Wie können Energieverbrauch und -erzeugung in Gebäuden auf intelligente Weise gesteuert werden? Lösungen für dieses komplexe Problem könnten aus der Welt des maschinellen Lernens, des «Machine Learning», kommen. Das Machine Learning stützt sich auf Lösungsansätze, die auf der Entdeckung mathematischer Zusammenhänge beruhen, die sich nicht aus physikalischen Prozessen, sondern direkt aus der Datenanalyse ableiten lassen. Bei Gebäuden bestehen letztere typischerweise aus Zeitreihen, die von Sensoren geliefert werden. Diese erfassen zum Beispiel die Temperatur eines Raums, die Anwesenheit von Personen oder auch das Öffnen von Türen und Fenstern. So ermöglicht das Machine Learning ein Energiemanagement, das zwar auf den physikalischen Eigenschaften des Gebäudes und auf Witterungsverhältnissen beruht, aber auch das Verhalten und den Komfort der Nutzer berücksichtigt - also auf Parametern, die von deren Tätigkeiten abhängen und folglich schwieriger zu ermitteln sind. Daher erfolgt zunächst eine Modellierung der Tätigkeiten der Gebäudenutzer auf Grundlage der von den Anwesenheitssensoren erfassten Daten. So kann die unterschiedliche Nutzung der einzelnen Gebäuderäume in Abhängigkeit von der Zeit registriert werden. Dieser Schritt ermöglicht anschliessend eine Prognose der Anwesenheit von Nutzern in den Räumen in Abhängigkeit von der Uhrzeit und dem Tag, die als Basis für eine intelligente Steuerung der Heizungsanlage genutzt werden kann. Auf dem Machine Learning basierende Lösungsansätze finden zudem Anwendung bei der Erkennung von in Gebäuden genutzten Geräten mittels Sensoren in den Steckdosen oder bei der Modellierung der Jahreszeiten (Heiz-, Kühl- oder Übergangsperioden). Durch die Kombination dieser Techniken können fortschrittliche Steuerungsalgorithmen entwickelt werden, die sowohl einen reduzierten Energieverbrauch als auch einen höheren Komfort des Nutzers und eine Anpassung an dessen Bedürfnisse zum Ziel haben.